🛠 开源工具2026-06-30
Pixelle-Video：阿里开源 2.2 万 Star，一句话全自动出视频
原文链接Pixelle-Video：阿里开源 2.2 万 Star，一句话全自动出视频
原文链接：https://mp.weixin.qq.com/s/AEN8XCDZkt4uCmF75kYIvw 来源：极客之家 发布时间：2026-06-13
摘要
阿里国际 AI 团队（AIDC-AI）开源的 Pixelle-Video，GitHub 22k Star，Apache 2.0 协议。输入一个主题，自动走完写文案→配图→配音→合成全链路，吐出成品视频。不是 Runway 那样的生成模型，而是把各家模型串起来的装配工——LLM 写文案 + ComfyUI/Seedream 出图 + Edge-TTS 配音 + ffmpeg 合成。
核心架构：四步流水线
文案生成 → 配图规划 → 逐帧处理 → 视频合成
它自己不生成任何东西，是个装配工。每个环节接什么模型全由你定，画质不行换图模型，文案太烂换 LLM，声音不喜欢换 TTS。
各环节详解
1. 文案
- GPT-4o、通义千问、DeepSeek、Ollama 本地模型，下拉菜单直接选
- 不想用 AI 写可以贴现成稿子——项目文档有用户拿这个做《斗破苍穹》小说解说
2. 配图方案（三条路）
- ComfyUI 工作流：本地跑，需要显卡，自带
image_flux.json - RunningHub 云端：工作流挂云上，本地不用显卡，按量付钱
- 直连模型 API：2026 年 6 月刚上，填 API Key 直接调 DashScope/OpenAI/Seedream/Seedance/Kling
三条路不互斥，可以混搭。比如文案走 Ollama 本地、配图走 Seedream API、语音走 Edge-TTS 免费。
配图风格靠 prompt prefix 统一，所有分镜沿用同一风格，长视频或分集短剧不会风格突变。
3. 语音 + 模板
- Edge-TTS：微软免费，多语言
- Index-TTS：上传参考音频做声音克隆，做个人 IP 号省掉录音麻烦
- 三种模板：static_（纯文字排版）、image_（AI 图作背景）、video_（AI 视频作背景），竖屏横屏方形都有
- HTML 模板可自定义
- 默认模板审美偏工具感，要精致得自己调
4. 扩展模块
- 数字人口播：上传人像图 + 文案，数字人念稿，支持韩语日语（面向跨境电商）
- 图生视频：静态图动起来，支持动作迁移
- 自定义素材：上传照片视频，AI 自动分析生成脚本再合成
安装和成本
Windows 用户下整合包解压双击即用，Python/ffmpeg 全在包里不用装。macOS/Linux 从源码跑。
零成本方案：Ollama 本地 LLM + ComfyUI 本地图像 + Edge-TTS 免费语音，需要 8GB+ 显存。
API 成本：通义千问 + Edge-TTS 三段视频约 0.01-0.05 元。全套云端（OpenAI + RunningHub）费用增长但笔记本都能跑。
核心评价
不是完美的——GPU 是硬伤，默认模板审美也就及格。但对于视频教程、内部分享课程这类不需要特别精美的场景非常合适。最大的差异化：不打黑盒，每个环节的模型自由替换，是个开放式装配工而非封闭式一键工具。